Prüfung wurde im Büro von Prof Freiling abgelegt, mit Beisitz. Allgemein eine sehr lockere Atmosphäre in die man einsteigt. Herr Riess steigt gerne mit einem Themenüberblick ein und fährt anschließend mit einem zufälligen Thema fort. Riess lässt einen eher erzählen und hackt nach, wenn er etwas genaues wissen will.

Riess: Was für Themen haben wir denn so behandelt?

Grob den Vorlesungsverlauf durchgegangen und zu jedem Thema die Methoden genannt die wir besprochen haben

Riess: Was sind denn Graphical Models?

Graphical Models erklärt → Markov assumption, Zustand nur von direktem Vorgänger abhängig

Riess: Schreiben Sie doch mal die Formel für die Markov assumption hin.

Hier hatte ich eine ziemliche Blockade, habs trotz Unterstützing (über Bayes usw) nicht hinbekommen diese Formel richtig hinzuschreiben…

Riess: Markov Random Fields: Wie funktioneren die?

Den Aufbau von MRFs erklärt, hidden variables + observations, Umformung in Gibbs Random Field durch Hammersley–Clifford theorem → Formel dafür hingeschrieben und erklärt → kurz auf unary und pairwise potentials eingegangen, hier aber ohne Formeln

Riess: Kommen wir mal zu einem anderen Bereich. Wie funktioniert der mean-shift Algorithmus?

Ziel: Extrema der PDF finden → grob die Herleitung von der Parzen-Window Formel erklärt → Update Formel hingeschrieben. (Hier wollte er dann noch wissen warum der Epanechnikov Kernel so gut ist)

Riess: Ähnlich wäre der k-means Algorithmus. Ganz kurz wie funktioniert der?

Kurz die Schritte erklärt die wir da machen…

Riess: (Hier hat er mir eine skizze mit zwei Cluster-Centern gemalt) Kann es bei mean-shift oder k-means passieren, dass ich einen Punkt links vom linken Cluster-Center in mein rechtes Center clustere?

Hier hab ich dann eine Weile laut überlegt und mit ihm diskutiert bis ich die Lösung hatte.
Bei k-means kann es nicht passieren da würde im Prinzip nur eine Grenze zwischen den beiden Centern entstehen und alles links kommt zum linken Center und alles rechts zum rechten…
Bei mean shift machen wir aber einen gradient-ascent → wenn jetz in einer Kurve von unserem Punkt links vom linken Center um das linke Center immer mehr Punkte im Kernelfenster landen wandert unser Kernelfenster zum rechten Center

Riess: Abschließend welche Schritte machen wir bei Spectral Clustering?

Die 6 Schritte aus der Vorlesung grob erklärt.

Man musste alle Übungen bestanden haben, um überhaupt die Möglichkeit zu haben, die Prüfung anerkannt zu bekommen. War auch an sich gut, die Übungen gemacht zu haben, vielleicht auch weil man sich viel dafür selbst erarbeiten musste. Ansonsten alle Vorlesungsvideos angeschaut und die Mitschriften noch einmal zusammengefasst. Die Videos waren auch nötig da es leider kein Skript oder Vorlesungsfolien gibt. Es gab auch ein paar Paper die man lesen sollte, die habe ich zu ca 70% gelesen, teilweise hat es sehr geholfen die Methoden besser zu verstehen, da es meist etwas ausführlicher war. Manche Paper waren aber auch nahezu gar nicht hilfreich.

Eine sehr entspannte udn ruhige Atmosphäre während der Prüfung. Man fühlt sich überhaupt nicht unter Druck gesetzt. Herr Riess versucht zu helfen, falls man auf dem Schlauch steht, man hat aber definitiv Zeit zu überlegen, bevor er hilft. An sich eine faire Prüfung mit fairer Bewertung. Was ihn am meisten gestört hatte war mein Problem mit der Markov assumption, dass ich bei der Skizze etwas Diskussion brauchte um auf die Lösung zu kommen war nicht schlimm.